intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

TÌM HIỂU NGUỒN MỞ GREENSTONE VÀ ỨNG DỤNG - 3

Chia sẻ: Cao Tt | Ngày: | Loại File: PDF | Số trang:19

92
lượt xem
21
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Chương 2 – Các khái niệm cơ bản Những nút trên thanh duyệt, ngoại trừ nút Search, được quản lý bởi các classifier. Khi định nghĩa một classifier trong tập tin collect.cfg, những nút liên quan sẽ xuất hiện trên thanh duyệt. 2.8.2. Phân loại Nhóm classifier liệt kê tài liệu dưới dạng danh sách (list) Classifier AZList: liệt kê tài liệu theo từng vùng alphabet Hình 2.10 - Minh họa classifier AZList Classifier List: liệt kê tài liệu thành một danh sách sắp thứ tự alphabet Hình 2.11 - Minh họa classifier List Classifier DateList: liệt kê tài liệu theo từng vùng thời...

Chủ đề:
Lưu

Nội dung Text: TÌM HIỂU NGUỒN MỞ GREENSTONE VÀ ỨNG DỤNG - 3

  1. Chương 2 – Các khái niệm cơ bản Những nút trên thanh duyệt, ngoại trừ nút Search, được quản lý bởi các classifier. Khi định nghĩa một classifier trong tập tin collect.cfg, những nút liên quan sẽ xuất hiện trên thanh duyệt. 2.8.2. Phân loại Nhóm classifier liệt kê tài liệu dưới dạng danh sách (list) Classifier AZList: liệt kê tài liệu theo từng vùng alphabet Hình 2.10 - Minh họa classifier AZList Classifier List: liệt kê tài liệu thành một danh sách sắp thứ tự alphabet Hình 2.11 - Minh họa classifier List Classifier DateList: liệt kê tài liệu theo từng vùng thời gian Trang 23
  2. Chương 2 – Các khái niệm cơ bản Hình 2.12 - Minh họa classifier DateList Trang 24
  3. Chương 2 – Các khái niệm cơ bản Nhóm classifier liệt kê tài liệu dưới dạng phân cấp (hierarchy) Classifier Hierarchy: liệt kê các tài liệu dưới dạng phân cấp Hình 2.13 - Minh họa classifier Hierarchy 2.9. Định dạng cách hiển thị tài liệu 2.9.1. Giới thiệu Những trang web trong Greenstone không được thiết kế trước mà được phát sinh và hiển thị ra web browser. Một phần giao diện của các trang web này được quản lý bởi các chuỗi định dạng. Chuỗi định dạng được đặc tả trong tập tin cấu hình của bộ sưu tập collect.cfg. Để đặc tả chuỗi định dạng ta dùng từ khóa format, theo sau là tên của những thành phần mà chuỗi định dạng sẽ tác động. Ta có thể định dạng 2 thành phần sau: Danh sách tài liệu được phát sinh bởi classifier hoặc danh sách tài liệu nhận được trong quá trình tìm kiếm Những thành phần trên trang web hiển thị tài liệu hoặc hiển thị các đoạn của một tài liệu 2.9.2. Định dạng danh sách tài liệu Cú pháp: format Từ khóa chỉ kiểu danh sách gồm 2 phần: Trang 25
  4. Chương 2 – Các khái niệm cơ bản Phần thứ nhất gồm các loại: Search: danh sách kết quả tìm kiếm tài liệu CLi: với i là số nguyên > 0 Đây là danh sách được phát sinh bởi các classifier. CL1, CL2, CL3… tương ứng với classifier thứ nhất, thứ hai, thứ ba...được đặc tả trong tập tin cấu hình collect.cfg Phần thứ hai gồm các loại: VList: danh sách theo chiều dọc HList: danh sách theo chiều ngang DateList: danh sách phân loại theo thời gian Ví dụ : format SearchVList … : định dạng kết quả tìm kiếm tài liệu, áp dụng cho các danh sách hiển thị theo chiều dọc. format CL1HList… : định dạng danh sách tài liệu phát sinh từ classifier thứ nhất, áp dụng cho các danh sách hiển thị theo chiều ngang Ví dụ một đoạn trong tập tin cấu hình collect.cfg : 1 classify Hierarchy -metadata Subject -buttonname Subjects 2 classify AZList -metadata Title –buttonname Title 3 classify List -metadata Howto –buttonname HowTo 4 format CL3Vlist "[link][Howto][/link]" 5 format DocumentImages true 6 format DocumentText "[Title]\\n\\n[Text]" 7 format DocumentButtons "Expand Text|Expand contents|Detach|Highlight" Trang 26
  5. Chương 2 – Các khái niệm cơ bản Kết quả hiển thị trên trình duyệt web : Hình 2.14 - Kết quả hiển thị tài liệu trên trình duyệt Ta thấy ở dòng 4 trong tập tin cấu hình có nội dung: format CL3VList “[link][Howto][/link]” dùng để định dạng danh sách tài liệu được phát sinh từ classifier thứ ba trong tập tin cấu hình (classifier List), áp dụng cho các danh sách được bố trí theo chiều dọc. Chuỗi "[link][Howto][/link]" là chuỗi html định dạng cách hiển thị của danh sách. Với chuỗi định dạng này thì mỗi phần tử trong danh sách sẽ xuất hiện trên một dòng (“”), được đại diện bằng dòng chữ (giá trị của metadata Howto) và liên kết đến tài liệu gốc (“[link] [/link]”). Trong chuỗi định dạng ta có thể sử dụng các thẻ html và một số từ khóa khác mà Greenstone hỗ trợ, ví dụ [link] [/link] đại diện cho 1 liên kết, [tên metadata] đại diện cho giá trị của metadata, [Text] đại diện cho nội dung của văn bản… Trang 27
  6. Chương 2 – Các khái niệm cơ bản 2.9.3. Định dạng các thành phần của trang web hiển thị tài liệu Cú pháp: format Tên thành phần Giá trị Ý nghĩa DocumentImages true/false true: hiển thị ảnh ở phía trên bên trái của trang tài liệu. false: không hiển thị. Giá trị mặc định: false DocumentHeading Chuỗi định dạng Định dạng phần header của tài liệu trong trang tài liệu nếu DocumentImages có giá trị false Giá trị mặc định: [Title] DocumentContents true/false Hiển thị bảng nội dung nếu tài liệu được phân cấp hoặc các nút next/previous và đoạn chữ “page k of n” nếu tài liệu không phân cấp DocumentButtons Chuỗi Quản lý các nút hiển thị trên trang tài liệu. Giá trị mặc định: Detach|Highlight DocumentText Chuỗi định dạng Định dạng nội dung hiển thị trên trang tài liệu. Gíá trị mặc định: [Text] DocumentArrowsBottom true/false Hiển thị nút next/previous trên trang tài liệu. Giá trị mặc định: true DocumentUseHTML true/false true: mỗi tài liệu được hiển thị trong một frame false: không hiển thị tài liệu dưới dạng frame Bảng 2.2 - Các thành phần trên trang web Trang 28
  7. Chương 2 – Các khái niệm cơ bản Ví dụ: Dòng 6 trong tập tin cấu hình trên định dạng cách hiển thị nội dung tài liệu : format DocumentText “[Title]\\n\\n[Text]” Dòng 7 ta xác định các nút dùng trong trang tài liệu: format DocumentButtons "Expand Text|Expand contents|Detach|Highlight" Ta có thể xem hình 2.154 ở trên để thấy rõ hơn kết quả mà chuỗi định dạng mang lại. Trang 29
  8. Chương 3 – Xây dựng bộ sưu tập CHƯƠNG 3. XÂY DỰNG BỘ SƯU TẬP Giới thiệu Chương trình mkcol.pl Chương trình import.pl Chương trình buildcol.pl Cấu trúc thư mục của Greenstone Cấu trúc thư mục của một bộ sưu tập Cấu trúc tài liệu theo định dạng XML Tập tin cấu hình bộ sưu tập Trang 30
  9. Chương 3 – Xây dựng bộ sưu tập 3.1. Giới thiệu Quá trình xây dựng một bộ sưu tập trải qua 3 pha chính Pha 1 : Tạo cấu trúc chung cho bộ sưu tập Pha 2 : Chuyển định dạng tài liệu nguồn sang định dạng XML Pha 3 : Nén và tạo chỉ mục trên các tài liệu của bộ sưu tập Ở mỗi pha ta dùng chương trình do Greenstone hỗ trợ để xây dựng bộ sưu tập Pha 1 : dùng chương trình mkcol.pl Pha 2 : dùng chương trình import.pl Pha 3 : dùng chương trình buildcol.pl Các chương trình trên được đặt trong thư mục “greenstone\bin\script”. Để thực thi các chương trình này trong môi trường DOS, ta dùng cú pháp lệnh như sau: perl –S Trang 31
  10. Chương 3 – Xây dựng bộ sưu tập Hình 3.1 - Quá trình xây dựng bộ sưu tập Trang 32
  11. Chương 3 – Xây dựng bộ sưu tập 3.2. Chương trình mkcol.pl Công dụng: Chương trình mkcol.pl dùng để tạo cấu trúc chung cho một bộ sưu tập, tạo tập tin cấu hình mặc định cho bộ sưu tập collect.cfg đặt trong thư mục con “etc” của bộ sưu tập. Cú pháp: mkcol.pl [Các tùy chọn] Các tùy chọn: -creator : địa chỉ email của người tạo bộ sưu tập -optionfile : lấy những tùy chọn từ một tập tin nào đó. -maintainer : địa chỉ email của người quản lý bộ sưu tập. -collectdir : thư mục chứa bộ sưu tập. Giá trị mặc định là “greenstone\collect” -public : cho phép bộ sưu tập được truy cập rộng rãi hay không. Giá trị mặc định là “true” -title : tựa đề của bộ sưu tập -about : thông tin mô tả bộ sưu tập -plugin : tên plugin được dùng -quiet : không hiển thị các thông báo của chương trình -win31compat : cho biết tên thư mục của bộ sưu tập có tuân theo quy ước của Windows 3.1 hay không (tên thư mục có độ dài tối đa 8 kí tự). Giá trị mặc định là “true”. 3.3. Chương trình import.pl Công dụng: Trang 33
  12. Chương 3 – Xây dựng bộ sưu tập Chuyển định dạng tài liệu nguồn sang định dạng XML của Greenstone, tạo tập tin tóm tắt thông tin archive.inf. Cú pháp: import.pl [Các tùy chọn] Các tùy chọn: -archivedir : đường dẫn đến các tập tin sau khi import, mặc định là “greenstone\collect\\archives” -collectdir : thư mục chứa các bộ sưu tập, mặc định là “greenstone\collect” -debug: chạy chương trình ở chế độ debug, chỉ xuất kết quả ra màn hình, không tạo các tập tin kết quả sau khi import -faillog : đường dẫn đến tập tin log lưu tên của những tập tin không import được. Mặc định là “greenstone\collect\\etc\fail.log” -groupsize : số tài liệu được nhóm thành một tập tin XML, mặc định là 1 -gzip: dùng gzip để nén những tài liệu XML kết quả. Chú ý phải thêm plugin ZIPPlug vào danh sách các plugin trong tập tin cấu hình. -importdir : đường dẫn đến các tập tin ngưồn -keepold : không xóa nội dung của thư mục archive (mặc định) -maxdocs : số tài liệu tối đa được import -OIDtype : phương thức dùng để phát sinh ra ID duy nhất cho mỗi tài liệu. Giá trị mặc định là hash.Các giá trị có thể là hash, incremental, assigned, dirname. -out : tên tập tin hoặc handle để in ra các dòng thông báo. Giá trị mặc định là STDERR Trang 34
  13. Chương 3 – Xây dựng bộ sưu tập -removeold: xóa những nội dung cũ của thư mục archives -saveas : định dạng của tập tin sau khi import . Mặc định là GA GA: định dạng theo Greenstone METS: định dạng theo METS -sortmeta : sắp xếp những tài liệu theo thứ tự alphabet của metadata. Tùy chọn này sẽ bị bỏ qua nếu groupsize >1 -statsfile : tên tập tin hay handle để in ra các dòng thống kê của quá trình import. Mặc định là STDERR -verbosity : quản lý mật độ xuất các thông báo ra màn hình. Các giá trị : 0: không xuất 3: nhiều Giá trị mặc định là 2 3.4. Chương trình buildcol.pl Công dụng Nén văn bản, tạo chỉ mục trên tài liệu XML, lưu thông tin thể hiện bộ sưu tập vào cơ sở dữ liệu (icon, tiêu đề, thông tin classifier tạo ra…) Cú pháp buildcol.pl [Các tùy chọn] Các tùy chọn -remove_empty_classifications : giấu đi những classifier và những nút phân cấp rỗng (chúng không chứa những tài liệu nào) -archivedir : đường dẫn đến thư mục archives -builddir : đường dẫn đến thư mục building chứa các chỉ mục đã được tạo Trang 35
  14. Chương 3 – Xây dựng bộ sưu tập -collectdir : đường dẫn thư mục chứa các bộ sưu tập, mặc định là “greenstone\collect” -debug: chạy chương trình ở chế độ debug, chỉ xuất các kết quả ra màn hình, không tạo ra các tập tin kết quả. -faillog : đường dẫn đến tập tin log, mặc định là “greenstone\collect\\etc\fail.log” -index : xác định loại chỉ mục sẽ được xử lý. Nếu tùy chọn này không được chọn thì các chỉ mục trong tập tin cấu hình collect.cfg sẽ được xử lý. -keepold: không xóa nội dung hiện tại ở thư mục building -maxdocs : số tài liệu tối đa được xử lý -mode : chỉ ra các công việc được thực hiện trong quá trình building, giá trị mặc định là all Một số giá trị: all: xử lý tất cả các công việc compress_text: chỉ nén văn bản build_index: chỉ tạo chỉ mục cho văn bản infodb:chỉ xây dựng cơ sở dữ liệu metadata -no_text: không lưu những văn bản được nén. -out : tên tập tin hoặc handle để xuất những thông báo tình trạng, mặc định là STDERR -verbosity quản lý mật độ xuất những thông báo Một số giá trị thường dùng: 0: không xuất thông báo 3: xuất đầy đủ các thông báo Giá trị mặc định là 2 Trang 36
  15. Chương 3 – Xây dựng bộ sưu tập 3.5. Cấu trúc thư mục của Greenstone Ta gọi thư mục cài đặt Greenstone là GSDLHOME. Cấu trúc thư mục của Greenstone như sau: Hình 3.2 – Cấu trúc thư mục của Greenstone Tên thư mục Mục đích bin Chứa mã thực thi bin\script Chứa các script Perl để tạo bộ sưu tập perllib Chứa những module Perl hổ trợ cho quá trình tạo bộ sưu tập perllib\plugins Chứa mã nguồn của các plugin hỗ trợ xử lý tài liệu perllib\classify Chứa mã nguồn của các classify hỗ trợ việc hiển thị kết quả tìm kiếm tài liệu cgi-bin Chứa các CGI script của Greenstone tmp Chứa các tập tin tạm của Greenstone etc Chứa các tập tin cấu hình, tập tin log, cơ sở dữ liệu quản lý người dùng src Chứa mã nguồn C++ src/colservr Chứa mã nguồn C++ src/recpt Chứa mã nguồn C++ packages Chứa mã nguồn của những gói phần mềm hỗ trợ cho Greenstone packages\mg Chứa mã nguồn của MG - phần mềm dùng để nén và tạo chỉ mục trong Greenstone mappings Chứa các bảng chuyển đổi chuẩn Unicode thành các chuẩn khác macros Chứa các tập tin macro dùng cho giao Trang 37
  16. Chương 3 – Xây dựng bộ sưu tập diện Greenstone collect Chứa các bộ sưu tập lib Chứa mã nguồn C++ dùng cho collection server và receptionist images Chứa các tập tin ảnh dùng cho giao diện của Greenstone docs Chứa các tài liệu về Greenstone Bảng 3.1 - Các thư mục của Greenstone 3.6. Cấu trúc thư mục của một bộ sưu tập Trong pha 1 của quá trình xây dựng bộ sưu tập, sau khi thực thi chương trình mkcol.pl, bộ sưu tập được tạo ra với cấu trúc các thư mục như sau: Tên thư mục Mục đích archives Chứa các tập tin sau khi import building Chứa các tập tin trong quá trình nén, tạo chỉ mục, tạo cơ sở dữ liệu cho bộ sưu tập etc Chứa tập tin cấu hình collect.cfg images Chứa các ảnh dành riêng cho bộ sưu tập import Chứa các tài liệu nguồn cần xây dựng bộ sưu tập index Chứa các tập tin sau khi nén, tạo chỉ mục, cơ sở dữ liệu lấy từ thư mục building perllib Chứa các thư viện perl hổ trợ cho bộ sưu tập. Người dùng có thể viết các thư viện perl hổ trợ thêm cho bộ sưu tập của mình và đặt trong thư mục này. Bảng 3.2 - Các thư mục của một bộ sưu tập Trang 38
  17. Chương 3 – Xây dựng bộ sưu tập 3.7. Cấu trúc tài liệu theo định dạng XML Trong pha import, Greenstone chuyển tài liệu nguồn sang tài liệu XML. Dưới đây là phần định nghĩa kiểu tài liệu XML của Greenstone (DTD – Document Type Definition ) ]> Ví dụ một tài liệu của Greenstone sau khi import: ec158e.txt Freshwater Resources in Arid Lands HASH0158f56086efffe592636058 cover.jpg:image/jpeg: p07a.png:image/png: Preface This is the text of the preface First and only chapter Trang 39
  18. Chương 3 – Xây dựng bộ sưu tập Part 1 This is the first part of the first and only chapter Part 2 This is the second part of the first and only chapter Tài liệu XML của Greenstone có một thẻ gốc là . Tài liệu được chia thành nhiều vùng (section) được bao bọc bởi cặp thẻ , các cặp thẻ có thể lồng nhau . Mỗi Section có một thẻ Description và một thẻ Content. Thẻ Decription có thể chứa một hay nhiều thẻ Metadata. Các thẻ metadata có cấu trúc : Giá trị của metadata Ta thường biên mục tài liệu theo chuẩn Dublin Core, ví dụ : Tìm hiểu nguồn mở Greenstone dc là từ viết tắt của cụm từ Dublin Core Greenstone thiết kế sẵn một số bộ thẻ để biên mục, với Dublin Core ta có bộ thẻ dc. Nếu không có metadata nào trong các chuẩn của Greenstone thích hợp để mô tả tài liệu, có thể dùng các bộ metadata do ta định nghĩa. Ví dụ có thể mô tả cho phần tiêu đề của một cuốn sách như sau: Lập trình C++ Mỗi tài liệu trong Greenstone có một ID nhất định được hệ thống phát sinh (OID – Object Identifier ) để xác định những section hay section con bằng cách Trang 40
  19. Chương 3 – Xây dựng bộ sưu tập đánh số các section này. Ví dụ : section con thứ ba của section thứ hai của tài liệu có OID = HASHa72X là HASHa72X.2.3 Hình 3.3 – Minh họa cấu trúc phân cấp của tài liệu Cấu trúc phân cấp của tài liệu được dùng cho chỉ mục tìm kiếm tài liệu, có 3 mức chỉ mục: document, section, paragraph Chỉ mục document : tìm kiếm một số từ trong tất cả các tài liệu Chỉ mục section : tìm kiếm một số từ trong từng section Chỉ mục paragraph xem mỗi đoạn văn như là một tài liệu riêng biệt, thích hợp cho mục đích tìm kiếm tập trung Hình sau minh họa cách tìm kiếm tài liệu theo chỉ mục document và section. Trang 41
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2